硬刚全球顶尖模型，北大数院团队登顶RoboColiseum

在 RoboColiseum 最新一期周榜中，MXI-SimWorld 以 0.9656 的成绩位列总榜第一、空间理解、通用操作子榜第一。 当大模型开始走进物理世界，如何让机器人理解指令、感知环境并完成操作，成为具身智能领域的重要课题。 11月11日，RoboColiseum 官方发布新一期周榜，榜单显示，截至2026年11月11日中午 12:00，北京大学数学科学学院杨超教授领衔的壹零壹壹公司旗下 MXI 团队，凭借物理 AI 框架 MXI-SimWorld v0 Preview ，以 0.9656 的综合得分位列 RoboColiseum 具身智能评测 总榜第一 。拆开四个子榜看，MXI-SimWorld v0 Preview 同样没有短板：空间理解、通用操作两项排名第一，指令跟随、扰动适应两项排名第二。四个维度全部进入前二。 Robocolisuem 总榜 截止到 2026 年 11 月 11 日 图源：RoboColiseum 作为由 Hugging Face、NVIDIA、清华大学等全球近 20 家高校、企业与科研机构联合发起的权威评测平台，RoboColiseum 是当下具身智能领域含金量极高的 “实机前置标尺”。它拒绝纸面刷题，通过域随机化机制、训练集与测试集严格隔离的规则规避过拟合，同时覆盖分布内与分布外双重测试，最终评测结果与真实机器人表现的相关性接近 90%，同一模型在仿真与真机两端的成绩差异小于 10%。 榜单设置 指令跟随 、 空间理解 、 扰动适应 、 通用操作 四大维度，前两项考验模型 “看得懂、想得明白” 的认知能力，后两项则直接检验 “动手能不能做成事” 的物理落地能力。 随着通用大模型不断进步，一个问题也愈发受到关注： 模型理解任务的能力，如何转化为机器人完成物理操作的能力？ 当大模型已经可以流畅写代码、完成复杂逻辑推理，指挥机器人完成桌面抓取、物品归置等任务，仍然需要面对物体位置、空间关系和动作执行等问题。GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5、Gemini 4 Argon 等通用大模型也曾参与 RoboColiseum 的评测。在此前的一轮评测中，它们的综合表现已接近头部专业具身模型。 但是，AI 听得懂“把笔放进笔筒”的指令，却需要进一步判断机械臂该从哪个角度靠近、物体被触碰后会向哪里滑动，以及什么时候松手。大模型从海量文本、图像中学懂了世界 “长什么样”，却没有学到 “做出动作之后世界会变成什么样”。 物理世界没有撤销键。一次动作执行失误就会不可逆地改变环境状态，这正是通用大模型落地机器人场景的致命短板。 一、SimWorld：让机器人先在仿真中预演 如果机器人在真正执行动作之前，能先尝试不同方案，看到它们可能带来的结果，会发生什么？ 这正是 MXI-SimWorld （下文简称SimWorld）的思路： 动手之前，先彩排。 https://mp.weixin.qq.com/s/a3a9GfFkCystpuGldDFxbg SimWorld桌面整理长程任务演示 视频